Более экологичное будущее благодаря искусственному интеллекту и ультралитике YOLO

‍TrashBestie - это новое приложение, которое помогает нам сортировать и утилизировать отходы по-другому и лучше, используя компьютерное зрение. TrashBestie использует глубокое обучение и передовые технологии, чтобы помочь людям предпринять действия, направленные на то, чтобы сделать планету чище и устойчивее.

Команда, создавшая TrashBestie, представляет себе будущее, в котором отходы перестанут быть неприятностью, а станут возможностью для позитивных изменений. Сортировка отходов важна для защиты окружающей среды, экономии ресурсов и снижения уровня загрязнения. Исходя из этого, TrashBestie стал цифровым решением, позволяющим людям принимать взвешенные решения по утилизации отходов без особых усилий. Цель очевидна: вдохновить коллективное движение в сторону ответственного обращения с отходами и создать чистую планету для будущих поколений.

Познакомьтесь с командой, стоящей за TrashBestie

Прежде чем мы погрузимся в инновационную технологию, лежащую в основе TrashBestie, давайте познакомимся с ее создателями:

• Хельге Рёллеке: Имея опыт работы в сфере продаж в здравоохранении, Хельге перешел к науке о данных и провел новаторское исследование эффективности работы компаний и вознаграждения руководителей. Он также является любителем грибов и открыт для новых возможностей в области науки о данных.
  ‍
• Я: Специалист по изучению данных и фронтенд-разработчик, сочетающий навыки для решения сложных задач и создания удобных веб-приложений.
  ‍
• Симантини Шинде: младший научный сотрудник в области анализа данных, машинного обучения и многого другого. Симантини - активный сторонник разработки с открытым исходным кодом, постоянно изучает новые технологии и ведет сбалансированный, рациональный образ жизни.
  

Путешествие к машинному обучению и искусственному интеллекту

Хельге начал изучать машинное обучение во время работы над магистерской диссертацией, исследуя связь между зарплатой менеджера и успехом компании. Для этого использовались регрессионные модели и методы машинного обучения. Хельге смог глубже погрузиться в мир искусственного интеллекта в Spiced Academy's Bootcamp. Здесь он экспериментировал с глубоким обучением и определил полезность моделей Ultralytics YOLO.

У меня был друг, который делился своими проектами в области науки о данных, что пробудило в ней интерес к машинному обучению. То, как данные могут раскрывать суть и оптимизировать процессы, очаровало ее. Именно поэтому она присоединилась к Bootcamp, где познакомилась с Симантини и Хельге.

Симантини начала изучать машинное обучение во время работы над магистерской диссертацией. Она обнаружила его потенциал в своей сфере деятельности, связанной с оценкой ущерба, нанесенного зданиям в результате землетрясений. После окончания университета Симанти работала на разных должностях, связанных с данными. Эти работы привели ее в буткамп по изучению науки о данных и пробудили ее интерес к ML и искусственному интеллекту.

Выбор Ultralytics YOLO для TrashBestie

Использование Ultralytics YOLOv8 в качестве основного инструмента TrashBestie имеет стратегическое значение.

• Удобство для пользователя: поскольку YOLOv8 имеет открытый исходный код и прост в использовании, он оказался очень доступным для команды.
  ‍
• Точность: YOLOv8 обеспечил более высокую точность, особенно в показателях точности.
  ‍
• Гибкость: Команда смогла легко интегрировать YOLOv8 с Roboflow, улучшив свой рабочий процесс.
  

Как работает TrashBestie?

TrashBestie работает как персональный помощник по сортировке мусора, используя искусственный интеллект, чтобы упростить этот процесс до четырех простых шагов:

1. Определите с помощью камеры. Используйте камеру своего устройства, чтобы сделать снимок предмета, в утилизации которого вы не уверены.
   ‍
2. Мгновенное распознавание. Благодаря технологии распознавания изображений YOLOv8, приложение может быстро анализировать изображения и определять различные типы отходов.
   ‍
3. Образовательные знания. TrashBestie не ограничивается рекомендациями. Этот инструмент предоставляет пользователям образовательную информацию для понимания предлагаемых методов утилизации отходов. В свою очередь, это способствует долгосрочному обучению и формированию привычки сознательного обращения с отходами.
   ‍
4. Простота использования и доступность. Приложение удобно в использовании и доступно для всех, что делает экологически ответственную сортировку отходов доступной для любого пользователя устройства на базе Android.

Попробуйте

Строительство TrashBestie

Путь развития TrashBestie включает в себя ряд важнейших этапов:

1. Маркировка и аннотирование. Изображения тщательно маркируются и аннотируются с помощью таких инструментов, как Roboflow, чтобы создать надежный набор данных для обучения.
   ‍
2. Экспорт набора данных. После экспорта набора данных с метками набор данных для обнаружения объектов готов к обучению.
   ‍
3. Обучение с помощью YOLOv8. Модель YOLOv8 обучается на экспортированном наборе данных, уделяя особое внимание тонкой настройке ее параметров для повышения точности обнаружения объектов.
   ‍
4. Развертывание Streamlit. Модель YOLOv8 интегрирована в приложение Streamlit, что обеспечивает эффективное и точное обнаружение объектов. Это приложение размещено на GitHub и использует YOLOv8 и Streamlit для обнаружения и отслеживания объектов.
   

Будущее TrashBestie

TrashBestie продолжает совершенствоваться, добавляя локализацию, делая приложение более доступным на iOS и Android, а также совершенствуя методы обработки изображений. Команда стремится постоянно повышать производительность и точность приложения.

Ознакомьтесь с их проектом на Devpost, где есть галерея изображений и видеоролик на YouTube, демонстрирующий детали их работы.

TrashBestie выполняет миссию по революционному управлению отходами и делает нашу планету более чистой и устойчивой. Это первый шаг в будущее, который может даже перевернуть представление о карьере в сфере утилизации отходов. Присоединяйтесь к ним в этом увлекательном путешествии к более экологичному будущему!

Свяжитесь с командой TrashBestie:

Хельге: LinkedIn, GitHub

Симантини: LinkedIn, GitHub, Medium

Мой: LinkedIn